视觉里程计

Parent: ai_keywords

视觉里程计

核心定义

视觉里程计（Visual Odometry, VO）是一种通过分析连续图像序列（来自单目、双目或多目相机）来实时估计相机自身运动轨迹（位置与姿态）的技术。它类似于人类的视觉自运动感知，不依赖于外部定位信号（如GPS），而是从图像中提取特征点的几何关系，递推计算帧间相对位姿，最终恢复全局路径。VO是SLAM系统前端的关键组件，广泛应用于机器人自主导航、自动驾驶、增强现实等领域。

关键技术点

1. 特征提取与匹配：采用ORB、SIFT等算法在图像中提取稳定角点或斑点，并通过描述子进行帧间匹配，建立2D-2D对应关系。效率与鲁棒性直接决定VO的实时性与精度。
2. 运动估计：基于匹配点对，利用对极几何（本质矩阵或基础矩阵）分解得到旋转与平移（单目），或通过PnP/P3P算法从3D-2D对应求解位姿（双目/RGB-D）。
3. 局部优化与束调整（Bundle Adjustment）：对滑动窗口内多个关键帧的位姿和地图点进行联合非线性优化，最小化重投影误差，抑制误差累积。
4. 关键帧选择与回环检测：通过判断图像间视差、特征点跟踪质量等策略选取代表帧；回环检测用于识别已到访场景，进行全局图优化消除漂移。

医学/神经科学应用场景

在首都医科大学神经病学研究中，视觉里程计被创新性地用于帕金森病患者的冻结步态（Freezing of Gait, FOG）量化评估。患者佩戴头戴式单目相机，VO实时计算头部运动轨迹的角速度与线速度波形。当出现FOG时，头部前进方向的速度突然归零并伴随异常震颤，其时空特征（频率、持续时间、幅度）可被VO精确捕获。与传统压敏步道相比，VO无需固定场地，可在日常环境下长期监测，为神经科医生提供客观、连续的FOG严重度评分及药物疗效评估依据。此外，该技术还可用于前庭性眩晕患者的动态平衡分析，通过耦合头部运动与视觉自运动感知的差异来辅助定位前庭功能障碍。